Μάθημα: Διοίκηση Παραγωγής & Συστημάτων Υπηρεσιών 4. Διαχείριση Αλυσίδας Προμηθειών Μέθοδοι Προβλέψεων Μάθημα: Διοίκηση Παραγωγής & Συστημάτων Υπηρεσιών
Περιεχόμενα 4.1 Διαχείριση Αλυσίδας Προμηθειών Στοιχεία και Διαχείριση Ζήτησης Ποιοτικές Μέθοδοι Προβλέψεων Μέθοδος Delphi Ποσοτικές Μέθοδοι Προβλέψεων Μέθοδος Κινητού Μέσου (απλή / με βάρη) Εκθετική Εξομάλυνση Παλινδρόμηση Παράδειγμα Ανάλυσης Χρονοσειρών
4.2 Διαχείριση Αλυσίδας Προμηθειών Απάντηση στο ερώτημα: (Φτιάχνω ή Aγοράζω) - Make or Buy Purchasing Just in Time Purchasing Outsourcing
4.3 Σύνολο θεμάτων σχετιζόμενων με την Αλυσίδα Προμηθειών Προβλέψεις Διαχείριση Αλυσίδας Προμηθειών Συγκεντρωτικός Προγραμματισμός Προγραμματισμός Αποθήκης Χρονοπρογραμματισμός Παραγωγής
4.4 Αιτίες για Outsourcing Κίνδυνος από Outsourcing Mείωση κόστους Aπώλεια Ελέγχου Παραγωγής Εστίαση στα βασικά προϊόντα Αγορά και αξιοποίηση γνώσης και τεχνολογίας τρίτων Ελαχιστοποίηση Μεγέθους Αποθήκης, Διαχείρισης Υλικών Υψηλότερα φράγματα εξόδου από την παραγωγή Εκθεση σε κινδύνους που αφορούν τους προμηθευτές: έλλειψη συνέπειας, χαμηλής ποιότητας, αργός χρόνος αντίδρασης Μείωση χρόνου ανάπτυξης και παραγωγής προϊόντων Βελτίωση αποδοτικότητας Περιορισμός παραγωγής Κόστη αλλαγών Ενδεχόμενη πρόσδεση σε συγκεκριμένες τεχνολογίες Απαίτηση για έλεγχο από υψηλότερο επίπεδο
4.5 Εlectronic Information Flow Προγράμματα Αμεσης Αντίδρασης (Quick Response Programs) Aποδοτική Αντίδραση στον Καταναλωτή (Efficient Consumer Response) Συμπεράσματα
Διαχείριση Ζήτησης 4.6 Ανεξάρτητη Ζήτηση A Εξαρτημένη Ζήτηση B(4) Γ(2) Δ(2) Ε(1) Δ(3) Ε(2)
Ανεξάρτητη Ζήτηση 4.7 Δυνατές επιλογές: Λήψη μέτρων για επιρροή της ζήτησης (ενεργητική αντιμετώπιση) Λήψη μέτρων για αντιμετώπιση της ζήτησης (παθητική αντιμετώπιση)
Στοιχεία Ζήτησης 4.8 Τι συμβαίνει εδώ? Πωλήσεις 1 2 3 4 Έτη
Στοιχεία Ζήτησης 4.9 *** Τα μεγέθη πωλήσεων αποτελούν υπέρθεση κάποιων βασικών στοιχείων *** Πωλήσεις Εποχικό Στοιχείο Στοιχείο Τάσης Οριζόντιο Στοιχείο 1 2 3 4 Έτη
Τύποι Στοιχείου Τάσης 4.10 Γραμμικό Καμπύλη -S Ασυμπτωτικό Εκθετικό
Μέθοδοι Πρόβλεψης 4.11 Ποιοτικές Ποσοτικές Μέθοδοι προεκβολής (Ανάλυση Χρονοσειρών) Αιτιακές Μέθοδοι Προσομοίωση
Χρήση Μεθόδων πρόβλεψης από εταιρείες 4.12 Μέθοδος Μικρού Μεγέθους Εταιρείες Μεγάλου Μεγέθους Κινούμενου Μέσου 29.6% 29.2% Ευθείας Προβολής 14.8% 14.6% Απλοϊκής 18.5% 14.6% Εκθετικής εξομάλυνσης 14.8% 20.8% Παλινδρόμηση 22.2% 27.1% Προσομοίωση 3.7% 10.4% Κλασσικής Απο-σύνθεσης 3.7% 8.3% Bo-Jenkins 3.7% 6.3% Σύνολο Εταιρειών 27 48 Πηγή: Nada Sanders and Karl Mandrodt (1994) Practitioners Continue to Rely on Judgmental Forecasting Methods Instead of Quantitative Methods, Interfaces, τομ. 24, ν. 2, σελ. 92-100.
Ποιοτικές Μέθοδοι Πρόβλεψης 4.13 Μέθοδος Delphi Έρευνα Αγοράς Συμβούλιο Στελεχών Διαμόρφωση Σεναρίων Ιστορική Αναλογία Ανάλυση Κύκλου Ζωής
Μέθοδος Delphi 4.14 1. Επιλογή ομάδας ειδικών. Απαιτείται σύνθεση ομάδας με ευρύ πεδίο γνώσεων. 2. Κάθε ειδικός προβαίνει σε διατύπωση προβλέψεων, ανεξάρτητα από τους άλλους, απαντώντας σε συγκεκριμένο ερωτηματολόγιο 3. Ανακεφαλαίωση των απαντήσεων και επανατροφοδότησή τους στην ομάδα ειδικών για βελτίωση / αιτιολόγηση της πρόβλεψής τους 4. Οι ειδικοί: (α) εμμένουν στις απόψεις τους, (β) τις τεκμηριώνουν με λογικά επιχειρήματα ή (γ) τις μεταβάλουν ανάλογα. 5. Επαναλαμβάνονται τα παραπάνω βήματα ώστε, τελικά, να επιτευχθεί σύγκλιση απόψεων.
Ποσοτικές Μέθοδοι - Μέθοδοι Προεκβολής 4.15 Η επιλογή μοντέλου γίνεται βάσει των εξής κριτηρίων: Περιόδος και ορίζοντας πρόβλεψης Επάρκεια δεδομένων Επιζητούμενη ακρίβεια Κόστος μεθόδου Διαθεσιμότητα έμπειρου προσωπικού Απλότητα και ευκολία εφαρμογής
Μέθοδος Κινούμενου Μέσου Εβδ. Παρατηρ. Ζήτησης Πρόβλεψη 4.16 1 2 3 D 1 D 2 D 3 Ft = D t-1 + D t-2 + D t-3 +... + D t-n n 4 5 D 4 D 5 n=4 6 7 8 D 6? D 8 F 7 F 8 F 7 = D 3 + D 4 + D 5 + D 6 4 9 D 9 F 9 10 D 10 F 10 11 D 11 F 11 12 D 12 F 12
Μέθοδος Κινούμενου Μέσου 4.17 Εβδομάδα Ζήτηση 3-εβδ. 6-εβδ. 1 650 2 678 3 720 4 785 682,67 5 859 727,67 6 920 788,00 7 850 854,67 768,67 8 758 876,33 802,00 9 892 842,67 815,33 10 920 833,33 844,00 11 789 856,67 866,50 12 844 867,00 854,83 785+859+920 3 785+859+920+850+758+892 6
Μέθοδος Κινούμενου Μέσου 4.18 1000 900 800 700 Ζήτηση 3-εβδ. 6-εβδ. 600 500 1 2 3 4 5 6 7 8 9 10 11 12
Μέθοδος Κινούμενου Μέσου με Βάρη 4.19 F t = w 1 D t-1 + w 2 D t-2 + w 3 D t-3 + w n D t-n n i=1 w =1 i Πρόβλημα : Να γίνει πρόβλεψη ζήτησης για την 4η εβδομάδα. Εβδ. 1 2 3 Ζήτηση 650 678 720 Βάρη : t-1 =0.5 t-2 =0.3 t-3 =0.2 4?
Λύση 4.20 Βάρη : t-1 =0.5 t-2 =0.3 t-3 =0.2 Εβδομ. 1 2 3 Ζήτηση 650 678 720 4 693.4 F 4 = 0.5 (720) + 0.3(678) + 0.2(650)
Μέθοδος Εκθετικής Εξομάλυνσης 4.21 F t+1 = F t + a(d t - F t ) Υπόθεση : Οι πρόσφατες παρατηρήσεις είναι πιθανό να έχουν μεγαλύτερη αξία. Απαιτείται, λοιπόν, να δίνεται σε αυτές μεγαλύτερο βάρος κατά τη διαδικασία πρόβλεψης
Μέθοδος Εκθετικής Εξομάλυνσης 4.22 F t+1 = F t + a(d t -F t ) F t+1 = ad t + (1-a) F t F t = ad t-1 + (1-a) F t-1 (Α) F t-1 = ad t-2 + (1-a) F t-2 (Α) F t+1 = ad t + (1-a) { ad t-1 + (1-a) F t-1 } = ad t + a(1-a) D t-1 + (1-a) 2 F t-1 = ad t + a(1-a) D t-1 + (1-a) 2 {ad t-2 + (1-a) F t-2 } = ad t + a(1-a) D t-1 + a(1-a) 2 D t-2 + (1-a) 3 F t-2 Γενικά F t+1 = a(1-a) 0 D t + a(1-a) 1 D t-1 + a(1-a) 2 D t-2 + a(1-a) 3 D t-3 + + a(1-a) m D t-m + (1-a) m+1 F t-m
Μέθοδος Εκθετικής Εξομάλυνσης 4.23 Εβδομάδα Ζήτηση 1 820 2 775 Να γίνουν προβλέψεις για την περίοδο 2 έως 10 με a=0.10 και a=0.60 3 680 Υποθέτουμε F 1 =D 1 4 655 5 750 6 802 7 798 8 689 9 775 10
Μέθοδος Εκθετικής Εξομάλυνσης - Παράδειγμα 4.24 Εβδομάδα Ζήτηση a=0.1 a=0.6 1 820 820,00 820,00 2 775 820,00 820,00 3 680 815,50 820,00 4 655 801,95 817,30 5 750 787,26 808,09 6 802 783,53 795,59 7 798 785,38 788,35 8 689 786,64 786,57 9 775 776,88 786,61 10 776,69 780,77
H επίδραση του παράγοντα a 4.25 450 400 350 300 250 200 150 100 50 0 1 3 5 7 9 11 13 15 17 19 21 23 25 Ζήτηση a=0.1 a=0,3 a=0.5
Σφάλματα Πρόβλεψης 4.26 Μέση Απόλυτη Απόκλιση = 1 Ν N t= 1 e t Μέσο Τετραγωνικό Σφάλμα = 1 Ν N t= 1 2 e t e t = D t -E t Τυπική Απόκλιση Σφαλμάτων = N t= 1 N e 2 t 1
Σφάλματα Πρόβλεψης- Παράδειγμα 4.27 Μήνας Πωλήσεις Πρόβλεψη 1 220-2 250 255 3 210 205 4 300 320 5 325 315 Να υπολογιστεί η μέση απόλυτη απόκλιση για τις περιόδους πρόβλεψης
Λύση 4.28 Μήνας Πωλήσεις Πρόβλεψη 1 220-2 250 255 3 210 205 4 300 320 5 325 315 Απόλυτο Σφάλμα - 5 5 20 10 MAA N 1 40 Ν e t = 4 = t= 1 = 10 Σ = 40
Ανάλυση Απλής Συσχέτισης (Παλινδρόμησης) 4.29 Y t = a + b Y 1 2 3 4 5...... Χ (χρόνος)
Υπολογισμός των a και b 4.30 a = y - b b = y 2 - n( - y)( ) n( ) 2
Παράδειγμα 4.31 Εβδομάδα Πωλήσεις 1 150 2 157 3 162 4 166 Πωλήσεις 180 175 170 165 160 155 Πωλήσεις 5 177 150 6? 145 1 2 3 4 5 Περίοδος
Παράδειγμα 4.32 Εβδομάδα Πωλήσεις Χ Υ Χ 2 Χ*Υ 1 150 1 150 b= y- n(y)() = 2499-5(162.4)(3) 63 = = 6.3 2 2 -n() 55 5( 9) 10 2 157 3 162 4 9 314 486 a = y - b = 162.4 - (6.3)(3) = 143.5 4 166 16 664 5 177 25 885 =3 y = 162.4 2 = 55 y = 2499 y t =143.5+6.3t
Παράδειγμα 4.33 185 180 y t =143.5+6.3t y 6 = 181,3 Πωλήσεις 175 170 165 160 155 150 Πωλήσεις Πρόβλεψη 145 1 2 3 4 5 6 Περίοδος
Παράδειγμα - ΗΣυνάρτησηLINEST (EXCEL) 4.34
Παράδειγμα - ΗΣυνάρτησηFORECAST (EXCEL) 4.35
Παράδειγμα Ανάλυσης Χρονοσειράς 4.36 Επίδραση εποχικού στοιχείου : Ζήτηση Προσθετική: Πρόβλεψη= Τάση + Εποχικότητα Χρόνος Ζήτηση Πολλαπλασιαστική: Πρόβλεψη= Τάση Εποχικότητα Χρόνος
Παράδειγμα Ανάλυσης Χρονοσειράς Επίδραση εποχικού στοιχείου - Παράδειγμα 4.37 Μέσες πωλήσεις 1990-1999 = 1000 μονάδες προϊόντος (βλ. Πίνακα) Αναμενόμενες πωλήσεις 2000 = 1100 μονάδες. Ποιά η εξέλιξη πωλήσεων ανα τρίμηνο του 2000? Πωλήσεις Μέσος Όρος Εποχικός Παράγοντας Άνοιξη 200 250 200/250 = 0.8 Καλοκαίρι 350 250 350/250 = 1.4 Φθινόπωρο 300 250 300/250 = 1.2 Χειμώνας 150 250 150/250 = 0.6 Άθροισμα 1000
Παράδειγμα Ανάλυσης Χρονοσειράς Επίδραση εποχικού στοιχείου 4.38 Πωλήσεις 2000 Μέσος Όρος (1100/4) Εποχικός Παράγοντας Πρόβλεψη 2000 Άνοιξη 275 0.8 = 220 Καλοκαίρι 275 1.4 = 385 Φθινόπωρο 275 1.2 = 330 Χειμώνας 275 0.6 = 165 Άθροισμα 1100
Παράδειγμα Ανάλυσης Χρονοσειράς 4.39 Τρίμηνο Πραγματική Ζήτηση (y) Έτος 1 Ι 600 ΙΙ 1550 ΙΙΙ 1500 IV 1500 Έτος 2 Ι 2400 ΙΙ 3100 ΙΙΙ 2600 IV 2900 Έτος 3 Ι 3800 ΙΙ 4500 ΙΙΙ 4000 IV 4900 Με βάση τα δεδομένα του πίνακα να γίνει πρόβλεψη για τα τρίμηνα Ι έως ΙV του τέταρτου έτους
Παράδειγμα Ανάλυσης Χρονοσειράς 4.40 Περίοδος Τρίμηνο Ζήτηση 1 Ι 600 2 ΙΙ 1550 3 ΙΙΙ 1500 4 IV 1500 5 Ι 2400 6 ΙΙ 3100 7 ΙΙΙ 2600 8 IV 2900 9 Ι 3800 10 ΙΙ 4500 11 ΙΙΙ 4000 12 IV 4900 Ζήτηση 6000 5000 4000 3000 Ζήτηση 2000 1000 0 1 2 3 4 5 6 7 8 9 10 11 12 Ζητούμενο: Η πρόβλεψη για τις περιόδους 13-16
Παράδειγμα Ανάλυσης Χρονοσειράς 4.41 Ανάλυση 4 βημάτων: Προσδιορισμός Ζήτησης Απαλλαγμένης από το Εποχικό Στοιχείο Εύρεση Ευθείας Συσχέτισης Ζήτησης και Χρόνου Προέκταση Ευθείας Συσχέτισης Υπέρθεση Εποχικού Στοιχείου
Παράδειγμα Ανάλυσης Χρονοσειράς Προσδιορισμός Ζήτησης Απαλλαγμένης από το Εποχικό Στοιχείο 4.42 [1] [2] [3] [4] [5] [6] [7] [8] Περίοδος () Τρίμηνο Πραγματική Ζήτηση (y) Μέση τριμηνιαία Ζήτηση Εποχικός Παράγοντας Στοιχείο [4] / 2779,17 Ζήτηση χωρίς εποχικό στοιχείο Yd=[3]/[5] ^2 = [1]^2 *(Yd) =[1]*[6] 1 Ι 600 2266,67 0,82 735,66 1,00 735,66 2 ΙΙ 1550 3050,00 1,10 1412,36 4,00 2824,73 3 ΙΙΙ 1500 2700,00 0,97 1543,98 9,00 4631,94 4 IV 1500 3100,00 1,12 1344,76 16,00 5379,03 5 Ι 2400 0,82 2942,65 25,00 14713,24 6 ΙΙ 3100 1,10 2824,73 36,00 16948,36 7 ΙΙΙ 2600 0,97 2676,23 49,00 18733,64 8 IV 2900 1,12 2599,87 64,00 20798,92 9 Ι 3800 0,82 4659,19 81,00 41932,72 10 ΙΙ 4500 1,10 4100,41 100,00 41004,10 11 ΙΙΙ 4000 0,97 4117,28 121,00 45290,12 12 IV 4900 1,12 4392,88 144,00 52714,52 Σ 78 33350 33350,00 650,00 265706,99 Μ 6,50 2779,17
Παράδειγμα Ανάλυσης Χρονοσειράς Εύρεση Ευθείας Συσχέτισης Ζήτησης και Χρόνου = 78 12 = 6.5 4.43 y d = 33350/12 = 2779.2 b = y - n(y 2 d - n() )() 2 = 265706.9-12(2779,2)6.5 2 650 12(6.5) = 342.2 a = y d - b = 2779.2-342.2(6.5) = 554.9 Έτσι Υ= a+b = 554.9 + 342.2
Παράδειγμα Ανάλυσης Χρονοσειράς Προέκταση Ευθείας Συσχέτισης και Υπέρθεση Εποχικού Στοιχείου 4.44 Περίοδος Τρίμηνο Y=554.9+342.2 Εποχικός Στοιχείο Παράγοντας Πρόβλεψη [Υ* Επ. Στοιχ.] 13 Ι 5003,5 0,82 4080,82 14 ΙΙ 5345,7 1,10 5866,65 15 ΙΙΙ 5687,9 0,97 5525,88 16 IV 6030,1 1,12 6726,23
Παράδειγμα Ανάλυσης Χρονοσειράς 4.45 8000,00 7000,00 6000,00 5000,00 4000,00 3000,00 2000,00 1000,00 Πραγματική Ζήτηση Ζήτηση Χωρίς Εποχικό Στοιχείο Y=554.9+342.2 Πρόβλεψη 0,00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16